tensorflow是否支持非标准化损失？
TensorFlow是一个开源的机器学习框架，它提供了丰富的工具和库来支持各种机器学习任务。在TensorFlow中，可以通过自定义损失函数来支持非标准化损失。
非标准化损失是指不符合传统损失函数形式的损失函数。在某些特定的机器学习任务中，可能需要使用非标准化损失函数来更好地适应问题的特性。TensorFlow提供了灵活的接口和功能，使开发者能够自定义损失函数，并将其应用于模型训练过程中。
要在TensorFlow中使用非标准化损失函数，可以按照以下步骤进行操作：
- 定义损失函数：根据任务的特性和需求，自定义一个非标准化损失函数。可以根据具体情况选择合适的数学公式或算法来定义损失函数。
- 实现损失函数：使用TensorFlow的函数和操作来实现自定义的损失函数。可以利用TensorFlow提供的数学运算、矩阵操作和神经网络层等功能来构建损失函数。
- 应用损失函数：将自定义的损失函数应用于模型训练过程中。在训练过程中，使用定义的损失函数作为优化目标，通过梯度下降等优化算法来更新模型的参数。
TensorFlow提供了丰富的文档和示例代码，可以帮助开发者更好地理解和应用非标准化损失函数。以下是一些相关的资源和推荐的腾讯云产品：
- TensorFlow官方文档：https://www.tensorflow.org/
- TensorFlow自定义损失函数教程：https://www.tensorflow.org/guide/keras/custom_loss_functions
- 腾讯云AI平台：https://cloud.tencent.com/product/ai
请注意，以上答案仅供参考，具体的应用和推荐产品需要根据实际需求和情况进行选择。
相关·内容
我实现了一个简单的cnn网络的图像分类(二进制分类)。我在Python中使用tensorflow。我使用tf.softmax_cross_entropy_with逻辑作为成本函数。我从我的模型的输出层用未规范化的逻辑输入成本函数。函数应该输出规范化概率，还是我错了？
在培训我的模型，我是印刷成本的每一个例子。如果模型正确地预测了输出，则成本等于0.0，否则成本非常大，非规范化值)。在计算交叉熵前输入函数'softmaxes‘时，为什么输出是不归一化的？
浏览 0提问于2017-06-09得票数 0
回答已采纳
我用tensorflow来给灰度图像着色。因此，我使用sigmoid_cross_entropy_with_logits()，并使用tf.train.AdadeltaOptimizer()将其最小化。我训练它并打印
correct_prediction = tf.norm(y_ - y_conv)
但是经过几次迭代，它给了我nan
step 0, acc 2068538.88
step 1, acc 287121.97
step 2, acc 82377.69
step 3, acc 31250.95
step 4, acc 16694.72
step 5, acc 10168.58
step
浏览 0提问于2018-03-26得票数 1
回答已采纳
我是tensorflow的新手，正在尝试弄清楚tensorflow中的自动区分功能是否可以解决我的问题。所以我有两个网络，每个网络输出一个潜在的向量。因此，假设我的网络A输出潜在向量-La(Hxr) -其中(H，r)表示输出潜在向量La的维度。类似地，net B输出Lb(Wxr)。因此，我的目标函数将这两个延迟都作为输入，并将它们组合在一起，如(La.Lb') where (.)是点积，(')表示转置。我将使用交叉熵来优化这个目标函数。
现在我的问题是，张量流自动差分是否能够正确地计算梯度并反向传播？在这里，这不是一个简单的例子。仅应从梯度w.r.t更新净A。La和net B应
浏览 7提问于2017-07-22得票数 0
回答已采纳
我有一个多标签分类任务，有6个标签.任何样品都可能没有或有一些标签为1。我使用了tensorflow中的损失：
self.loss = tf.losses.sigmoid_cross_entropy(self.labels, self.logits)
每次一批(1000)样品进来时，计算损失。
但我不确定损失是否为，即每个预测列的日志损失的平均值。如果不是，如何将损失修改为上述平均列级日志损失？
浏览 2提问于2018-01-24得票数 2
2回答
在python中，你可以这样做，让你使用一个简短的模块名称：
>>> import tensorflow as tf
从那时起，您可以引用tf，而不必到处输入tensorflow。
在Juila有可能发生这样的事情吗？
浏览 36提问于2017-02-08得票数 11
回答已采纳
1回答
我试图在tensorflow中定义一个自定义的丢失函数，它根据的答案惩罚假阳性和假阴性。我必须修改计算专一性的代码，并回忆相当多的代码，因为我有一个多类分类问题，而post中的问题只是二进制分类。如果重要的话，我正在使用存储在ImageDataGenerator对象中的图像进行培训。
损失函数的作用如下。
将y_pred中的逻辑和y_true中的一个热编码类转换为稀疏的数字向量(例如。对于每个batchInstantiate计数器来说，0、2、1、1是真阳性、正负、假阳性和假负数(TPx、TNx、FPx、FNx -x分别为0、1或2)。庞大的if和elif语句基本上计算混淆矩阵中的每个点，因为
浏览 2提问于2021-08-26得票数 1
1回答
我有一个小的研究项目，在那里我试图解码一些captcha图像。我使用在Tensorflow 0.9中实现的convnet，基于MNIST示例()
我的代码可在github 上使用。
我试着复制所描述的想法：
“基于深度卷积神经网络的街景图像多位数识别”古德费尔德()
"CAPTCHA识别与主动深入学习“Stark at al ()
其中特定的字符序列被编码为一个二进制向量。在我的例子中，captchas包含最多20个拉丁字符，每个字符被编码为63个dim二进制向量，其中1位设置在位置，根据如下：
位置0- 9的数字'0-9‘-1
位置10-35的大号“a
浏览 0提问于2016-08-02得票数 1
如果不对源代码进行深入分析，是否有可能对编解码器是否良好做出明智的决定？说到“好”，我的意思是它暂时可以在VOIP/视频聊天应用程序中提供足够的服务，而且人们不会期望它很快就会过时。
我想知道，一家负责维护某一特定编解码器的公司是否值得，还是因为有了skype/qik/gtalk/ichat，它们才能走出家门。然而，对于这个问题，我试图在真空中判断编解码器本身，忽略了一个事实，即有很多竞争使问题企业的生活变得非常困难。
谢谢,
~乔丹
浏览 0提问于2011-03-08得票数 1
回答已采纳
在将TensorFlow模型转换为TensorFlow精简版格式时，是否存在性能损失？因为我从不同的边缘设备获得了这些结果： ? 当Nvidia Jetson与树莓派( TensorFlow Lite )模型进行比较时，Nvidia Jetson与TensorFlow模型(TensorRT优化)具有更高的准确性，这有意义吗？
浏览 110提问于2020-04-09得票数 1
回答已采纳
我正在将conv2d模型转换为keras(Tensorflow 2.0)。
我快做完了，但最后一个问题是拖延我的工作。
标题说明了这一切:在keras中是否有等效函数py手电筒的丢失函数nn.crossEntropyLoss()？
谢谢你的帮助。
浏览 2提问于2019-11-26得票数 0
回答已采纳
在tensorflow中，是否可以使用非光滑函数作为损失函数，例如分段(或如果-否则)？如果你不能，为什么你可以使用ReLU？
在这个链接中，它说
例如，我们可能希望将日志丢失降到最低，但我们感兴趣的指标可能是F1评分，或者与Union评分的交集(这是不可区分的，因此不能用作损失)。
这是否意味着“不可区分”，例如设定的问题？因为对于ReLU，在0点，它是不可微的。
如果使用这种自定义的损失函数，是否需要自己实现梯度？还是tensorflow可以自动帮你做？我检查了一些压缩损失函数，它们没有为它们的损失函数实现梯度。
浏览 5提问于2016-11-22得票数 22
1回答
我见过tensorflow 2.0的代码片段，它用于计算损失。总损失由两部分组成: 1)正则化损失；2)预测损失。我的问题是为什么model.losses是正则化的损失？model这里是tf.keras.Model的一个实例。我对tensorflow官方API文档感到有点困惑。，上面说
与此层相关的损失。
当访问该属性时，会创建变量正则化张量，因此它非常安全:在tf.GradientTape下访问损失会将梯度传播回相应的变量。
为什么我们可以通过访问losses属性得到正则化的损失？还有，什么是急切的安全？如果losses属性返回正则化丢失，为什么将其命名为losses而不是regul
浏览 1提问于2019-06-20得票数 9
1回答
我正在从TensorFlow文档提供的一个例子中学习
通过最大限度地提高边际对数似然上的证据下限(ELBO)来训练。
在实践中，优化这个期望值的单样本Monte估计:logp(x连z)+ logp(z) -logq(z\x)。
损失职能的执行情况如下：
def log_normal_pdf(sample, mean, logvar, raxis=1):
log2pi = tf.math.log(2. * np.pi)
return tf.reduce_sum(
-.5 * ((sample - mean) ** 2. * tf.exp(-logvar) + logvar
浏览 4提问于2022-06-30得票数 0
与Keras相比，我更熟悉tensorflow图形培训，但我正在这里试用Keras。
在构建GAN时，需要针对与鉴别器不同的损耗(相反的损耗)对发电机进行优化。在base中，使用两个优化器或分别使用适当的权重组调用optimizer.compute_gradients(...)和optimizer.apply_gradients(...)，这非常容易实现。
在Keras中，我看不出我能实现这两个目标。在像这样的实现中，生成器和鉴别器的训练似乎被分割成不同的模型，然后逐批独立地进行训练。这意味着每一次有效更新都需要更多的传递，而不是使用两个优化器一次操作的基本tensorflow实现。
有没有一
浏览 0提问于2019-07-09得票数 10
回答已采纳
我将python 3与anaconda结合使用，并尝试使用带有Keras模型的tf.contrib丢失函数。
代码如下
from keras.layers import Dense, Flatten
from keras.optimizers import Adam
from keras.models import Sequential
from tensorflow.contrib.losses import metric_learning
model = Sequential()
model.add(Flatten(input_shape=input_shape))
model.add(D
浏览 1提问于2019-01-01得票数 5
我使用keras创建了一个模型，并使用train_on_batch对其进行了培训。为了检查模型是否做了它应该做的事情，我使用predict_on_batch方法重新计算了训练阶段前后的损失。但是，正如你在阅读标题时所猜测的那样，我没有相同的输出损失。
下面是一个基本代码来说明我的问题：
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import tensorflow as tf
import numpy as np
# Loss definition
def
浏览 4提问于2020-04-26得票数 2
回答已采纳
我想知道Tensorflow优化器(特别是AdamOptimizer)在将损失函数定义为和或小批的均值/平均值时是否有偏好？
一般来说，我的假设是使用平均值是首选的，因为损失并不取决于小批的大小。因此，可以更容易地找到适用于任意批次大小的学习速率。
然而，Tensorflow在内部将定义为：
output = sum(t ** 2) / 2
这是否意味着优化器已经在内部考虑了批大小，即期望损失与批大小成线性关系？另外，从优化的角度来看，取一半L2规范的动机是什么？
浏览 1提问于2017-04-06得票数 2
回答已采纳
2回答
我是DL和Keras的新手。我试图用Keras (tensorflow后端)解决一个具有多变量输出(y型(?，2))的回归问题。我对如何计算损失感到困惑。我用平均绝对误差作为损失函数。但是，由于我的目标数据有两个维度，是否将损失值计算为所有维度上的约简平均值(作为结果的标量)？我检查了Keras源代码，它使用K.mean(.，axis=-1)来计算MAE。如果K.mean与numpy.mean相同，"axis=-1“应该表示列的平均值(对于我的情况，它应该返回形状为(?,2)但不是标量的张量)。如果是这样的话，损失值怎么可能是一个数字(如培训过程日志中输出的那样)？
如果MAE返回确实
浏览 0提问于2018-04-19得票数 7
1回答
我是机器学习的新手。我一直试图让这段代码正常工作，但是损失被困在1.12，并且没有增加也没有减少。任何帮助都将不胜感激。
import pandas as pd
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
dataset = pd.read_csv('Iris.csv')
#for rncoding label
from sklearn.preprocessing import LabelEncoder
encoder = LabelEncoder()
dataset
浏览 3提问于2020-07-19得票数 0
回答已采纳
在设计ML模型时，我如何决定是否需要进行标准化而不是标准化，反之亦然？这个决定是根据什么因素作出的？
浏览 0提问于2019-04-19得票数 6
回答已采纳
如果我用tensorflow写一个模型，可能是任何CNN或ANN。我想知道如何发现我的架构或模型中是否有问题。例如。如果我的模型拟合不足或过拟合。如何绘制学习曲线、验证曲线和训练曲线，以及如何分析它们以发现我应该做些什么来提高测试数据的准确性。如何在tensorflow.Any aproach中做所有这些事情，以便在tensorflow中做到这一点，并告诉一些提示，以便在特定模型中找到正确的错误？
浏览 13提问于2018-09-01得票数 0
1回答
我刚刚通读了Tensorflow文档，发现tf.gradients(tf.gradients(ys, xs, grad_ys=None, name='gradients', colocate_gradients_with_ops=False, gate_gradients=False, aggregation_method=None)可以用来计算与dy/dx相关的梯度。目前，我想计算dz(f(x))/dx的梯度(应该使用链式规则将其分解为dz/df * df/dx )，我想知道在Tensorflow中是否有一种方法可以实现这种链式规则。我也想知道它在Tensorflow文档中的
浏览 0提问于2016-09-01得票数 1
我想知道如何在tensorflow中训练一个模型，如果成本不能在每一个输入中被评估。例如，如果我的目标函数测试某些条件是否在一半时间内得到满足(任何偏离该条件的行为都会受到惩罚)。
以前，我会编写类似以下代码来定义我的成本函数和反向传播学习者：
# Backward propagation
loss = tensorflow.losses.mean_squared_error(labels=y, predictions=yhat)
cost = tensorflow.reduce_mean(loss, name='cost')
updates = tensorflow.trai
浏览 0提问于2018-04-17得票数 2
回答已采纳
我注意到在tensorflow中有两个关于负采样的函数来计算损失(sampled_softmax_loss和nce_loss)。这两个函数的参数是相似的，但我真的想知道两者的区别是什么？
浏览 0提问于2017-02-28得票数 9
我正在实现一个自定义损失函数，如下面的代码所示，用于简单的分类。但是，当我运行代码时，我得到错误ValueError:没有为任何变量提供渐变： import os
os.environ['KERAS_BACKEND'] = "tensorflow"
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from tensorflow import keras
from tensorflow.keras import layers
from sklearn.prep
浏览 32提问于2021-02-04得票数 0
TF-slim inceptionv3从头开始训练
我使用slim/ train _image_TASTIFER.py在我自己的数据集上训练inception_v3模型: python train_image_classifier.py --train_dir=${TRAIN_DIR} --dataset_name=mydataset --dataset_split_name=train --dataset_dir=${DATASET_DIR} -- model _name=inception_v3 --num_clones=2
损失曲线很奇怪，正如张力板所显示的那样，它是一条线性下降的直线，
浏览 1提问于2017-02-09得票数 1
我是使用tensorflow的newbee。为什么我在训练自定义TensorFlow2.x对象检测时得到了这么多指标？
Use fn_output_signature instead
INFO:tensorflow:Step 100 per-step time 8.507s
I0607 17:52:10.328038 16488 model_lib_v2.py:699] Step 100 per-step time 8.507s
INFO:tensorflow:{'Loss/classification_loss': 21.313017,
'Loss/localiza
浏览 0提问于2021-06-07得票数 1
在我的训练中，损失有时会变成nan。然而，这似乎并没有影响我的神经网络训练。有人知道tensorflow是否有一些nan值的内部处理吗？
nan前后的损失值是稳定的，所以我认为学习率是很好的。我宁愿认为有些图像似乎没有任何合理的信息，但我还不能百分之百确定。
有没有人有过类似的经历？我用的是tensorflow 0.12.1
浏览 2提问于2017-03-01得票数 2
回答已采纳
1回答
我正在实现一个基于类的行为的强化代理。所以它可以采取行动1，2，3或4。
所以我的问题是，我能不能在tensorflow中使用负损失来阻止它输出一个动作。
示例:假设代理输出动作1，我想非常强烈地劝阻它不要在这种情况下再次采取行动1。但它不应该采取任何已知的行动。所以我不能选择一个不同的动作来让它学会这个。
所以我的问题是: tensorflow梯度计算是否处理损失的负值。如果有，它会像我描述的那样起作用吗？
浏览 2提问于2018-01-07得票数 1
当使用tensorflow训练神经网络时，我可以任意设置损失函数。在训练支持向量机时，有没有办法在sklearn中做同样的事情？假设我想让我的分类器只优化灵敏度(不管它的感觉如何)，我该怎么做呢？
浏览 17提问于2019-12-09得票数 0
回答已采纳
我已查过以前有关这个问题的答案，但至今仍未解决。我正在从无到有地实现一个YOLO算法(用于对象检测)，并且在训练部分有问题。
对于培训，我是tf.estimator API，并且正在使用类似于tensorflow 中的similar代码的代码。我得到了以下错误：
Traceback (most recent call last):
File "recover_v3.py", line 663, in <module>
model.train(input_fn=train_input_fn, steps=1)
File "/home/nyu-m
浏览 0提问于2018-09-21得票数 2
2回答
我正在训练tensorflow的im2txt样本，它会输出损失：
INFO:tensorflow:global step 2174: loss = 3.6930 (15.83 sec/step)
INFO:tensorflow:global step 2175: loss = 3.6651 (15.52 sec/step)
INFO:tensorflow:global step 2176: loss = 3.5733 (18.25 sec/step)
INFO:tensorflow:global step 2177: loss = 3.1979 (18.87 sec/step)
INFO:te
浏览 0提问于2017-02-06得票数 11
我正在使用tensorflow执行语义分割任务。我有5个类，我这样计算损失：
loss = tf.reduce_mean((tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=tf.squeeze(annotation, squeeze_dims=[3]), name="entropy")))
logits具有形状(batch_size，picture_height，picuture_width，5)
annotation具有形状(batch_size，picture_height，picut
浏览 3提问于2018-03-16得票数 0
我正在使用一个高度倾斜的计数数据集，该数据集通常适合负二项式。我想在Keras或Tensorflow中使用负二项作为前馈神经网络的损失函数。
据我所知，在查看了可用的损失函数后，keras或tensorflow不存在这样的函数(尽管我希望我错了，我只是错过了一些东西)。
我环顾四周，看到一些帖子建议只交换损失以包含负二项式，但似乎在tensorflow中创建自定义损失不仅仅是用tf.contrib.distributions.NegativeBinomial交换
有几篇文章谈到了为Tensorflow / keras创建自定义损失函数，例如：看了这个之后，我正在努力弄清楚如何编写这个函数。
我
浏览 7提问于2018-09-06得票数 5
基于Wide and deep教程，我正在尝试使用MovieLens 1-M数据集创建一个类似的示例。
到目前为止，我想出了这个代码 (GitHub-Link)
不幸的是，在运行我的代码时，我的模型似乎没有进行训练：
INFO:tensorflow:Create CheckpointSaverHook.
INFO:tensorflow:Saving checkpoints for 1 into /var/folders/jl/_c3j45x14cn1w17jxrxv8t8m0000gn/T/tmp9LPo3i/model.ckpt.
INFO:tensorflow:loss = 0.72638
浏览 1提问于2017-05-16得票数 0
1回答
我正在与tensorflow合作，并拥有以下CNN (代码如下)。我的输入层是一张72x72的图像，由于有两个maxpool层，所以它输出一个18x18的矩阵。
现在我的问题是:是否可以为输出矩阵(18x18)中的值定义一个范围？所以这些值只在0,1之间？因为实际上输出矩阵应该代表一个密度图。所以我不需要大于1的值。
我的“地面真实标签”是一个18x18的矩阵，它的值只在0,1之间。因为我的网络还没有经过训练，所以损失非常大，因为输出矩阵中的值非常高。2379922。如果我可以为输出值提供一个范围，那么一开始损失就不会那么高了。
感谢您的帮助:-)
weights = {'W_conv
浏览 2提问于2016-12-01得票数 1
我正在尝试做一个简单的项目，使用tensorflow.js模型找出方程的系数。然而，当运行时，损失接近无穷大，并在4次左右的迭代中变为NaN。我不知道为什么会发生这种事。下面是我的代码：
let xs = [];
let ys = [];
let aReal = Math.random();
let bReal = Math.random();
let cReal = Math.random();
let dReal = Math.random();
for (let i = -100; i < 100; i+=1) {
xs.push(i);
ys.push((aR
浏览 1提问于2018-05-01得票数 2
以下是tensorflow中tf.GraphKeys的，例如TRAINABLE_VARIABLES：将由优化器训练的变量对象的子集。
我知道tf.get_collection()，它可以找到你想要的张量。
使用tensorflow.contrib.layers.batch_norm()时，参数updates_collections默认值为GraphKeys.UPDATE_OPS。
我们如何理解这些集合，以及它们之间的差异。
此外，我们可以在ops.py上找到更多。
浏览 0提问于2018-01-15得票数 18
回答已采纳
1回答
Keras内存不足的后果
、、、
如果这个问题在这里离题，请随时参考另一个StackExchange站点。:-) 我正在使用Keras，我的GPU (GeForce GTX970，~4G)上的内存相当有限。因此，在使用批处理大小设置高于特定级别的Keras时，我会耗尽内存(OOM)。降低批处理大小我没有这个问题，但是Keras会输出以下警告： 2019-01-02 09:47:03.173259: W tensorflow/core/common_runtime/bfc_allocator.cc:219] Allocator (GPU_0_bfc) ran out of memory trying to allocate 2
浏览 223提问于2019-01-02得票数 4
回答已采纳
1回答
我试图用keras和Tensorflow版本2.6训练一个卷积神经网络，我也用Tensorflow版本1.11来训练它。我想我做了迁移测试(两个神经网络收敛了)，但是当我看到它们的结果非常不同时，在TF2.6中最糟糕的是，对于具有相同的超参数(learning_rate = 0.001)的两种情况，我都使用了一个优化器Adam，但是TF1.11中的损失函数的优化优于TF2.6。
我在试着找出不同之处。当我们使用不同的TF版本时，必须考虑哪些因素？会有重要的数值差异吗？我知道，在TF1.x中，默认模式是图，而在TF2中，默认模式是急切的，我不知道这是否会在培训中带来不同的行为。
令我惊讶的是，在
浏览 20提问于2022-11-11得票数 0
我想我的模型检测角度(在360类)使用自我生成的图片文本。为了获得更多的训练信息，训练集图像是通过一个新的随机旋转来生成的。然而，该模型似乎并不是在学习，因为它为每一张图片预测了相同的类。我试过改变批次的大小，优化器，学习速度，更复杂的模型，没有任何帮助解决问题。
在这个例子中，我使用了500个训练样本，50个验证样本和10个测试样本。我尝试了多达2000个培训样本，但也出现了同样的问题。
这是我的输出：
Using TensorFlow backend.
WARNING:tensorflow:From /home/lisa/.local/lib/python3.7/site-packages
浏览 3提问于2019-11-06得票数 2
回答已采纳
1回答
我想用输出元素附加一个条件来训练我的神经网络(在Keras中)。
举个例子：
尽量减少我在网络输出y_pred和y_true之间的损失函数。
另外，确保y_pred的范数小于或等于1。
如果没有条件，任务就很简单。注:该条件不一定是y_pred的向量范数。
如何在Keras (或者可能是Tensorflow)模型中实现附加条件/限制？
浏览 0提问于2018-09-27得票数 0
1回答
你好，我需要一个自定义正则化项来增加我的(二进制交叉熵)损失函数。有人能帮我使用Tensorflow语法来实现这个吗？我尽可能地简化了所有的事情，这样可以更容易地帮助我。
该模型以18×18二进制配置的数据集10000作为输入，并以16x16的配置集作为输出。该神经网络仅由2个卷积层组成。
我的模型看起来是这样的：
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
EPOCHS = 10
model = models.Sequential()
model.add(layers.Conv2D
浏览 4提问于2020-12-08得票数 2
回答已采纳
1回答
我试图让一个简单的自动编码器工作在虹膜数据集，以探索自动编码器在一个基本水平。我遇到了一个问题，在这个问题上，模型的损失非常高(>20)。
有人能帮我理解一下这个模型对他们来说是否正常吗？
有些问题我希望能在理解上有所帮助：
对于y有3种可能的输出--因此我在最后一层中使用了Softmax --如果我要对输出进行OHE，那么使用Sigmoid之类的东西是否更合适，因为值在0和1之间绑定？
改变层中最小的变化(编码层到6而不是3) ->导致损失的重大变化--这正常吗？
每次运行自动编码器都会产生不同的结果--这是正常的，不是确定性的吗？
为什么最后一层必须与输入维相同大小(4) --
浏览 0提问于2022-06-25得票数 0
1回答
我正在使用imagedatagenerator类对Keras (tensorflow2后端)中的模型进行批量培训。我注意到，当第二个时期开始时，损失值实际上比第一个时期结束时的值要小。
我的意思是：
请注意，第二个时代的起始值在屏幕截图中所看到的值周围。
有人知道为什么会这样吗？
当处理所有批次时，keras是否再次更新权重？
浏览 16提问于2020-05-03得票数 1
回答已采纳
1回答
我想在神经网络中计算L1损失，我在上遇到了这个例子，但代码中有一些错误。
这真的是如何在NN中计算L1损失吗?还是有一种更简单的方法？
l1_crit = nn.L1Loss()
reg_loss = 0
for param in model.parameters():
reg_loss += l1_crit(param)
factor = 0.0005
loss += factor * reg_loss
这在某种程度上等同于简单的操作：
loss = torch.nn.L1Loss()
我假设没有，因为我没有传递任何网络参数。只是检查是否有现有的函数可以做到这一点。
浏览 0提问于2020-06-16得票数 1
尝试通过教程开始学习tensorflow。从第一个开始(当然)，由于某种原因，当我尝试学习模型时，它显示的损失数在10到12之间，精度为0.2和0.3，但是在教程中，数字是非常不同的。在安装tensorflow之前，当我试图让gpu使用它时，我遇到了一些问题，但是我只得到了错误，所以我只在cpu支持下重新安装它(包archlinux)。但我也得到了2019-02-22 19:18:02.042566: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this Ten
浏览 1提问于2019-02-22得票数 0
回答已采纳
我在使用Tensorflow序列来对示例代码进行排序。出于某种原因，我不想在输出中添加softmax。相反，我想要得到的原始输出的解码器没有软最大。我想知道是否有人知道如何根据序列来对示例代码进行排序？或者我需要从头开始创建它，或者修改(在/tensorflow/tensorflow/python/ops/seq2seq.py)？下面)的seq2seq.py
谢谢
浏览 0提问于2016-04-21得票数 0
回答已采纳
1回答
有谁能解释一下tensorflow的基本分类损失和定位损失意味着什么？
在使用tensorflow API的SSD培训过程中，我得到了这些损失，但根本不理解这两种损失。
我读到，本地化丢失是包围盒回归器的丢失，这就产生了一个新的问题，那就是包围盒回归器是什么？
谁能简单介绍一下吗？
浏览 1提问于2018-07-09得票数 0
1回答
我试图在Tensorflow中实现一个CNN (非常类似于VGG的架构)，它在第一个完全连接的层之后分裂成两个分支。本文的研究内容如下：
网络的两个分支中的每一个输出一组32个数字。我想写一个联合损失函数，它需要3个输入：
分支1 (y)的预测
分支2(α)的预测
标签Y(地面真相) (q)
并计算加权损失，如下图所示：
q_hat = tf.divide(tf.reduce_sum(tf.multiply(alpha, y),0), tf.reduce_sum(alpha,0))
loss = tf.abs(tf.subtract(q_hat, q))
我明白，为了实
浏览 5提问于2017-08-02得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
